BLANDISH (Cerveau, perte de fonction, anévrisme, maladie, blessure, accident vasculaire cérébral, hémorragie) (BLANDISH)

En NeuroICU, les traitements adhèrent généralement aux lignes directrices basées sur un consensus scientifique. Malgré cela, le pronostic des patients souffrant d’hémorragies intracrâniennes ne s’est pas amélioré de manière significative au cours des dernières décennies, ce qui entraîne des résultats généralement insatisfaisants. Bien que les essais contrôlés randomisés (ECR) soient considérés comme la référence en matière de recherche clinique, ils peuvent être coûteux et difficiles à mener sur le plan éthique. Les études observationnelles constituent une méthode alternative, offrant des ensembles de données plus vastes couvrant des périodes plus longues, ce qui peut être plus bénéfique et plus réalisable pour certains projets de recherche.

Les algorithmes d'apprentissage automatique (ML), contrairement aux méthodes statistiques classiques, ont la capacité de traiter un grand nombre de variables, offrant ainsi une approche personnalisée et fiable aux prestataires de soins de santé dans la gestion des patients. Reconnaissant la nécessité d'études bien conçues pour identifier les stratégies thérapeutiques optimales pour les patients neurocritiques et reconnaissant les limites des lignes directrices existantes, nous visons à tirer parti des programmes de ML pour développer un système avancé capable de découvrir des modèles de données et de les relier à des résultats potentiels.

Le projet BLANDISH se concentre sur les patients souffrant d'hémorragie intracérébrale spontanée (sICH), une maladie pour laquelle il manque un traitement bénéfique prouvé. En collectant et en analysant les données des patients sICH admis en neuroICU, le projet vise à développer un algorithme de ML supervisé nommé BLANDISH.

Cet algorithme stratifiera les patients en fonction du pronostic, identifiant ceux qui présentent le risque le plus élevé de décès et de lésions cérébrales secondaires. En guidant chaque patient vers la stratégie thérapeutique la plus ciblée, l’algorithme pourrait contribuer à améliorer les résultats pour les patients et à évaluer l’efficacité des pratiques cliniques actuelles. De plus, cela pourrait permettre au personnel de santé de mieux allouer les ressources et d’introduire des programmes thérapeutiques individualisés basés sur la médecine de précision, réduisant potentiellement les durées d’hospitalisation et les coûts des soins de santé.

La première étape du développement de l’algorithme BLANDISH consiste à collecter des données cliniques, stockées dans un datalake structuré, qui sert de référentiel de données. Cette plateforme rassemblera des informations sur l'évolution clinique des patients sICH admis en neuroICU. Après la collecte des données, les prochaines étapes comprennent le prétraitement, la sélection des variables corrélée à la mortalité des patients et la formation d'algorithmes avec les données d'entrée et la validation interne pour contrôler son comportement. Une validation externe suivra, impliquant la collecte de données auprès de différents centres cliniques pour évaluer la fiabilité et la capacité de généralisation de l'algorithme. Une étude clinique observationnelle multicentrique sera ensuite menée pour valider l'algorithme BLANDISH, visant à déterminer son impact sur les résultats des patients sICH. Cette phase finale comprend une étude de survie comparant les patients du groupe expérimental (dont le traitement est guidé par BLANDISH) avec ceux suivant la pratique clinique standard. Le projet vise à démontrer la supériorité de l'approche ML par rapport aux lignes directrices actuelles, en évaluant la précision et les améliorations potentielles de la prise en charge des patients dans différents contextes de soins.